-1- -2-

BỘ GIÁO DỤC VÀ ĐÀO TẠO

Công trình ñược hoàn thành tại
ĐẠI HỌC ĐÀ NẴNG
ĐẠI HỌC ĐÀ NẴNG

PHẠM ANH TUẤN

Người hướng dẫn khoa học: TS.Nguyễn Tấn Khôi

Phản biện 1: TS.Nguyễn Thanh Bình

ỨNG DỤNG GIẢI THUẬT DI TRUYỀN
ĐỂ XẾP THỜI KHÓA BIỂU HỆ TÍN CHỈ
CHO TRƯỜNG ĐẠI HỌC Phản biện 2: TS.Trương Công Tuấn

Chuyên ngành: KHOA HỌC MÁY TÍNH

Mã số: 60.48.01
Luận văn ñược bảo vệ trước Hội ñồng chấm Luận văn tốt nghiệp
thạc sĩ kỹ thuật họp tại Đại học Đà Nẵng vào ngày 21 tháng 7
năm 2012.

TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT

Có thể tìm hiểu luận văn tại:

Đà Nẵng - Năm 2012
- Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng
- Trung tâm Học liệu, Đại học Đà Nẵng.
 -3-
MỞ ĐẦU
1. Lý do chọn ñề tài
Trong cuộc sống ta thường gặp các bài toán liên quan ñến xếp
lịch như xếp lịch vận hành máy móc, xếp lịch biểu cho việc thực hiện
một dự án, xếp lịch làm việc, xếp lịch thi ñấu thể thao,… Đối với loại
bài toán này cần phải tìm ra một phương án xếp lịch thỏa mãn tất cả
các ràng buộc cũng như khai thác hiệu quả các nguồn tài nguyên hiện
có, giảm thời gian và chi phí thực hiện.
Bài toán xếp thời khóa biểu trong trường học nói chung và
trong trường Đại học nói riêng là một trong những bài toán như vậy.
Có rất nhiều các ràng buộc ñược ñặt ra trong bài toán này như ràng
buộc về ñối tượng tham gia (giảng viên, lớp học, sinh viên), ràng
buộc về tài nguyên phục vụ giảng dạy (phòng học lý thuyết, phòng
thực hành,…), ràng buộc về thời gian (số tiết học, số lần học, số tiết
mỗi lần), ràng buộc về chuyên môn và rất nhiều các ràng buộc khác
tùy thuộc vào từng trường. Vấn ñề ñặt ra là cần xây dựng một thời
khóa biểu thỏa mãn tất cả các ràng buộc trên ñồng thời khai thác hiệu
quả các nguồn tài nguyên phục vụ giảng dạy.
Bài toán xếp thời khóa biểu thuộc lớp các bài toán NP-ñầy ñủ
vì vậy có thể không tìm ra ñược lời giải tối ưu. Đây là một bài toán
không mới và ñã có nhiều giải thuật ñược ñưa ra ñể giải quyết như
giải thuật nhánh cận, giải thuật leo ñồi, giải thuật luyện thép, giải
thuật tô màu ñồ thị, giải thuật xấp xỉ,… Tuy nhiên các giải thuật này
thường không có tính tổng quát và chỉ áp dụng hiệu quả ñối với các
trường học có quy mô nhỏ, ít ràng buộc về mặt dữ liệu.
-4-
Ở Việt Nam hiện nay, các trường Đại học ñang dần chuyển
sang hình thức ñào tạo tín chỉ. Mặc dầu hình thức ñào tạo này có
nhiều ưu ñiểm hơn so với ñào tạo niên chế tuy nhiên việc xếp thời
khóa biểu vẫn là một gánh nặng thực sự cho các trường, ñặc biệt là
các trường có quy mô ñào tạo lớn. Vả lại trên thị trường cũng chưa
có sản phẩm phần mềm nào giải quyết hiệu quả bài toán trên.
Trong những năm gần ñây, phương pháp tiếp cận di truyền ñã
thu hút rất nhiều sự chú ý trong các lĩnh vực nghiên cứu khác nhau
trong ñó có khoa học máy tính. Phương pháp này có nhiều ñặc ñiểm
nổi trội như không ñòi hỏi tri thức, tránh tối ưu cục bộ, thực hiện tốt
với các bài toán có không gian lời giải lớn và có thể áp dụng cho
nhiều loại bài toán tối ưu khác nhau. Trên thế giới hiện nay, giải thuật
di truyền kết hợp với tin học ñược ứng dụng ñể giải quyết những bài
toán tối ưu một cách rất hiệu quả.
Vì vậy, việc nghiên cứu và ứng dụng giải thuật di truyền
(Genetic Algorithm - GA) ñể giải quyết hiệu quả bài toán xếp thời
khóa biểu nói trên là việc làm cần thiết.
2. Mục tiêu và nhiệm vụ nghiên cứu
Đề tài tập trung nghiên cứu và ứng dụng giải thuật di truyền
vào bài toán xếp thời khóa biểu cho hệ tín chỉ tại một trường ñại học
ña ngành nhằm ñưa ra phương án xếp thời khóa biểu thỏa mãn tất cả
các ràng buộc ñặt ra ñồng thời khai thác hiệu quả các nguồn lực ñào
tạo của nhà trường với thời gian ngắn.
Để ñạt ñược các mục tiêu trên, ñề tài tập trung vào các nhiệm
vụ cụ thể sau:
 -5-
- Phân tích ñặc ñiểm của bài toán xếp thời khóa biểu hệ tín chỉ
trong trường ñại học ñể từ ñó ñề ra các giải pháp hợp lý trong việc
xây dựng và triển khai hệ thống.
- Tìm hiểu giải thuật di truyền và ứng dụng của nó trong việc
giải quyết hiệu quả các bài toán tối ưu.
- Ứng dụng giải thuật di truyền vào bài toán xếp thời khóa biểu
hệ tín chỉ trong trường Đại học.
- Phân tích và ñánh giá kết quả ñạt ñược khi thực hiện hệ thống
ñối với các bộ dữ liệu thử ñơn giản.
- Triển khai thực nghiệm với bộ dữ liệu xếp thời khóa biểu của
một số ngành tại Trường Đại học Bách khoa – Đại học Đà Nẵng.
3. Đối tượng và phạm vi nghiên cứu
- Nghiên cứu các ñặc ñiểm, ñặc trưng của giải thuật di truyền,
các thành phần cơ bản của giải thuật di truyền như khởi ñộng quần
thể ban ñầu, ñánh giá ñộ thích nghi của cá thể, các toán tử di truyền
(chọn lọc, lai ghép, ñột biến), ñiều kiện dừng.
- Ứng dụng giải thuật di truyền vào bài toán xếp thời khóa
biểu tại một trường ñại học ña ngành ñào tạo theo học chế tín chỉ với
các ràng buộc và những yêu cầu cơ bản.
4. Phương pháp nghiên cứu

Phương pháp nghiên cứu lý thuyết
- Nghiên cứu tài liệu, ngôn ngữ và công nghệ liên quan.
- Tổng hợp các tài liệu lý thuyết về giải thuật di truyền.
- Biểu diễn bài toán xếp thời khóa biểu hệ tín chỉ trong trường
ñại học sử dụng mô hình giải thuật di truyền.
-6-

Phương pháp nghiên cứu thực nghiệm
- Phân tích và thiết kế hệ thống xếp thời khóa biểu hệ tín chỉ
theo quy trình xây dựng ứng dụng phần mềm.
- Xây dựng hệ thống xếp thời khóa biểu hệ tín chỉ sử dụng giải
thuật di truyền.
- Thử nghiệm hệ thống và ñánh giá kết quả ñạt ñược dựa trên
bộ dữ liệu thử và dữ liệu thực tế tại một trường ñại học.
5. Kết quả dự kiến
- Nhận thức ñầy ñủ về thế mạnh của giải thuật di truyền trong
việc giải các bài toán tối ưu.
- Đề ra ñược giải pháp và ứng dụng các vấn ñề của giải thuật
di truyền vào việc giải quyết bài toán xếp thời khóa biểu hệ tín chỉ.
- Xây dựng hệ thống phần mềm uniScheGA nhằm phục vụ
cho việc xếp thời khóa biểu hệ tín chỉ tại một số trường Đại học.
6. Ý nghĩa khoa học và thực tiễn của luận văn

Về mặt lý thuyết
- Áp dụng giải thuật di truyền vào máy tính là phương pháp áp
dụng các quy luật của quá trình tiến hóa tự nhiên vào việc giải quyết
các bài toán phức tạp mà các giải thuật trước ñó không ñáp ứng ñược.
- Việc xếp thời khoá biểu hệ tín chỉ sử dụng giải thuật di
truyền là một vấn ñề tuy không mới nhưng lại chưa ñược áp dụng
hiệu quả trong thực tế.
- Ngoài bài toán xếp thời khoá biểu, giải thuật di truyền còn có
thể ñược ứng dụng trong nhiều bài toán tối ưu khác. Vì vậy kết quả
nghiên cứu của ñề tài sẽ tạo nền tảng và cơ sở ñể tiếp tục nghiên cứu
về sau.
 -7-

Về mặt thực tiễn
- Kết quả của ñề tài là hệ thống phần mềm uniScheGA dùng
ñể xếp thời khóa biểu hệ tín chỉ dễ sử dụng, có tính tùy biến cao, ñáp
ứng tốt nhu cầu của người dùng.
- Hệ thống có thể chạy tốt với bộ dữ liệu thực tế tại các trường
ñại học giúp giảm ñáng kể thời gian và công sức trong việc xếp thời
khóa biểu.
7. Bố cục luận văn
Nội dung chính của luận văn ñược chia thành 4 chương sau:
Chương 1: Bài toán xếp thời khóa biểu hệ tín chỉ và các
phương pháp giải quyết
Chương 2: Giải thuật di truyền
Chương 3: Ứng dụng giải thuật di truyền ñể xếp thời khóa
biểu hệ tín chỉ
Chương 4: Triển khai hệ thống xếp thời khóa biểu hệ tín chỉ
-8-
CHƯƠNG 1: BÀI TOÁN XẾP THỜI KHÓA BIỂU HỆ TÍN
CHỈ VÀ CÁC PHƯƠNG PHÁP GIẢI QUYẾT
Chương này trình bày tổng quan về bài toán xếp thời khóa biểu
hệ tín chỉ trong trường ñại học và các phương pháp giải quyết.
1.1. BÀI TOÁN XẾP THỜI KHÓA BIỂU HỆ TÍN CHỈ
1.1.1. Các quy trình xếp thời khóa biểu hệ tín chỉ
Trình bày các quy trình xếp thời khóa biểu hệ tín chỉ, ñánh giá
ưu nhược ñiểm của mỗi quy trình.
1.1.2. Bài toán xếp thời khóa biểu hệ tín chỉ
Trình bày chi tiết bài toán xếp thời khóa biểu hệ tín chỉ, các
thông tin, các ràng buộc và các yêu cầu của bài toán.
1.1.2.1. Các thông tin của bài toán
1.1.2.2. Các ràng buộc của bài toán
1.1.3. Các mô hình xếp thời khóa biểu hệ tín chỉ
Trình bày các mô hình xếp thời khóa biểu thông dụng hiện
ñang ñược sử dụng trong thực tế.
1.1.3.1. Thời khóa biểu tuần
1.1.3.2. Thời khóa biểu học kỳ
1.1.3.3. Thời khóa biểu (k) tuần/học kỳ
1.1.3.4. Thời khóa biểu cho mỗi tuần
1.1.4. Mục tiêu của bài toán xếp thời khóa biểu hệ tín chỉ
1.2. CÁC PHẦN MỀM XẾP THỜI KHÓA BIỂU HIỆN NAY
1.2.1. Phần mềm thời khóa biểu tại Việt Nam
1.2.2. Phần mềm thời khóa biểu trên thế giới
 -9- - 10 -
1.3. CÁC PHƯƠNG PHÁP GIẢI QUYẾT BÀI TOÁN CHƯƠNG 2: GIẢI THUẬT DI TRUYỀN
Trình bày các phương pháp giải quyết bài toán xếp thời khóa Chương này trình bày các khái niệm về giải thuật di truyền và
biểu hệ tín chỉ, ñánh giá ưu nhược ñiểm của các phương pháp, lý do cách ứng dụng nó vào giải quyết một số bài toán trong thực tế.
chọn giải thuật di truyền ñể giải quyết bài toán. 2.1. TỔNG QUAN VỀ GIẢI THUẬT DI TRUYỀN
1.3.1. Các phương pháp truyền thống 2.1.1. Lịch sử giải thuật di truyền
1.3.1.1. Giải thuật vét cạn 2.1.2. Tổng quan
1.3.1.2. Giải thuật leo ñồi
1.3.2. Các phương pháp hiện nay
1.3.2.1. Giải thuật luyện kim
1.3.2.2. Giải thuật di truyền
1.3.2.3. Giải thuật tối ưu ñàn kiến
1.3.3. Đánh giá phương pháp
Các giải thuật leo ñồi và luyện kim có rất nhiều nhược ñiểm và
thường không trả về ñược kết quả như mong ñợi. Các giải thuật di
truyền và tối ưu ñàn kiến có nhiều ưu ñiểm hơn vì thế hiện nay hai
phương pháp này ñược sử dụng nhiều nhất ñể giải quyết các bài toán
tối ưu trong ñó có bài toán xếp thời khóa biểu. Xét về thời gian thực
hiện, chi phí thực hiện thì giải thuật tối ưu ñàn kiến tốt hơn nhưng
cũng phức tạp hơn so với giải thuật di truyền. Trên thực tế công việc
lập thời khóa biểu tại các trường ñại học chỉ diễn ra khoảng hai ñến
Hình 2.2. Sơ ñồ tổng quan của giải thuật di truyền
ba lần trong một năm nên thời gian và chi phí cũng không ảnh hưởng
nhiều. Vì vậy trong luận văn này ñể ñơn giản tôi sử dụng giải thuật di 2.1.3. Các thao tác cơ bản
truyền ñể giải quyết bài toán xếp thời khóa biểu hệ ñào tạo tín chỉ cho 2.1.3.1. Biểu diễn mô hình cá thể
trường ñại học. 2.1.3.2. Khởi tạo quần thể ban ñầu
2.1.3.3. Xây dựng hàm thích nghi
2.1.3.4. Xây dựng các toán tử di truyền
 - 11 -
2.1.3.5. Xác ñịnh các tham số cho giải thuật
2.1.3.6. Xác ñịnh ñiều kiện dừng
2.1.4. Sự khác biệt giữa giải thuật di truyền so với các giải
thuật khác
Trình bày sự khác biệt giữa giải thuật di truyền so với các giải
thuật tìm kiếm và tối ưu bình thường.
2.2. CÁC TOÁN TỬ DI TRUYỀN
2.2.1. Toán tử chọn lọc
Chọn lọc là quá trình chọn ra các NST có ñộ thích nghi cao
trong quần thể hiện tại ñể ñưa vào quần thể ở thế hệ tiếp theo.
2.2.1.1. Toán tử chọn lọc tỷ lệ
2.2.1.2. Toán tử chọn lọc cạnh tranh
2.2.1.3. Toán tử chọn lọc xếp hạng
2.2.2. Toán tử lai ghép
Toán tử lai ghép nhằm tạo ra NST con mới trên cơ sở cặp NST
cha - mẹ bằng cách ghép các ñoạn gen trong NST cha - mẹ lại với
nhau. Toán tử lai ghép ñược thực hiện với một xác suất pc nào ñó.
2.2.2.1. Lai ghép một ñiểm
2.2.2.2. Lai ghép ña ñiểm
2.2.2.3. Lai ghép ñồng nhất
2.2.3. Toán tử ñột biến
Đột biến là hiện tượng NST con mang một số ñặc tính không
có trong NST của cha và mẹ. Toán tử ñột biến ñược thực hiện với
một xác suất pm nhỏ hơn nhiều so với xác suất lai ghép pc bởi vì trong
tự nhiên ñột biến gen thường ít xảy ra.
- 12 -
2.2.3.1. Đột biến ñảo ngược
2.2.3.2. Đột biến chèn
2.2.3.3. Đột biến thay thế
2.2.3.4. Đột biến chuyển dịch
2.3. CÁC THAM SỐ CỦA GIẢI THUẬT DI TRUYỀN
Giải thuật di truyền có các tham số quan trọng như kích thước
quần thể (popsize), xác suất lai ghép (pc), xác suất ñột biến (pm). Việc
lựa chọn các tham số phù hợp sẽ tăng tính hiệu quả của giải thuật.
Trong các tham số trên thì popsize là quan trọng nhất, nếu
chọn kích thước quần thể quá nhỏ thì tính ña dạng của quần thể bị
hạn chế và ảnh hưởng ñến kết quả còn nếu quá lớn sẽ làm hao phí tài
nguyên của máy tính và làm chậm quá trình tiến hóa.
2.4. ỨNG DỤNG GIẢI THUẬT DI TRUYỀN
Để ứng dụng giải thuật di truyền vào việc giải quyết một bài
toán nào ñó cần phải thực hiện một số công việc quan trọng sau:
1. Lựa chọn cách biểu diễn mô hình NST sao cho mỗi NST có
thể chứa ñựng ñược một lời giải của bài toán.
2. Xây dựng hàm ñánh giá ñộ thích nghi cho từng NST. Đây là
bước khó khăn và ảnh hưởng lớn ñến tính hiệu quả của giải thuật.
3. Lựa chọn các toán tử di truyền phù hợp, trong ñó tập trung
cho ba toán tử chính là chọn lọc, lai ghép và ñột biến.
4. Xác ñịnh các tham số của giải thuật di truyền như kích thước
quần thể, xác suất lai ghép, xác suất ñột biến.
5. Xác ñịnh ñiều kiện dừng cho quá trình tiến hóa.
 - 13 -
CHƯƠNG 3: ỨNG DỤNG GIẢI THUẬT DI TRUYỀN ĐỂ XẾP
THỜI KHÓA BIỂU HỆ TÍN CHỈ
Chương này vận dụng các kiến thức về giải thuật di truyền ñể
áp dụng vào bài toán xếp thời khóa biểu hệ tín chỉ.
3.1. QUY TRÌNH XẾP THỜI KHÓA BIỂU
Hình 3.1. Quy trình xếp thời khóa biểu ñề xuất
3.2. BIỂU DIỄN MÔ HÌNH CÁ THỂ
3.2.1. Biểu diễn thời gian biểu
3.2.2. Biểu diễn mô hình cá thể
Mỗi NST dùng ñể chứa một phương án xếp thời khóa biểu.
Mã lớp
Hình 3.4. Biểu diễn một nhiễm sắc thể
- 14 -
Mỗi NST có thể xem là một mảng 3 chiều: Chiều thứ nhất biểu
diễn các tiết học trong ngày, chiều thứ hai biểu diễn các ngày trong
tuần, chiều thứ ba biểu diễn các phòng học.
Hình 3.5. Cấu trúc của một nhiễm sắc thể
3.3. BIỂU DIỄN MÔ HÌNH QUẦN THỂ
Quần thể là tập hợp các NST. Ngoài việc lưu trữ danh sách các
NST, quần thể còn chứa thêm các thông tin khác như kích thước
quần thể, ñộ thích nghi của quần thể, …
3.4. KHỞI TẠO QUẦN THỂ
Trước khi thực hiện quá trình tiến hóa cần phải khởi tạo quần
thể bằng cách gán cho các gen trong NST bởi các giá trị ngẫu nhiên.
3.5. BIỂU DIỄN RÀNG BUỘC THỜI GIAN
3.6. CÁC TOÁN TỬ DI TRUYỀN
3.6.1. Toán tử chọn lọc
Ta sử dụng toán tử chọn lọc xếp hạng ñể giải quyết bài toán.
Với cách làm này các NST trong quần thể ñược sắp xếp giảm dần
theo ñộ thích nghi của chúng.
 - 15 - - 16 -
3.6.2. Toán tử lai ghép Trong ñào tạo theo tín chỉ thì sinh viên ñược xem là trung tâm
Do bài toán có cấu trúc NST khá phức tạp, vì vậy ta chọn toán của quá trình ñào tạo. Với hình thức ñào tạo này ngoài các ràng buộc
tử lai ghép ña ñiểm ñể áp dụng với các ñiểm ñược tạo ngẫu nhiên. cơ bản về giảng viên, phòng học, chuyên môn,… thì sinh viên cũng

Chọn hai NST ngẫu nhiên cần lai ghép: N1 (cha), N2 (mẹ)
có thể chủ ñộng lựa chọn chương trình học phù hợp với ñiều kiện và
Gọi hai NST con ñược sinh ra: C1, C2 năng lực của mình.
Tạo mặt nạ lai ghép M (mảng 1 chiều) với các ñiểm lai ghép ngẫu nhiên
For each gen in NST: Tuy nhiên, số lượng sinh viên thường rất lớn, mỗi sinh viên lại
Begin có một yêu cầu về thời khóa biểu khác nhau. Vì vậy chắc chắn không
If (M[i] = 1) Then
thể thỏa mãn ñồng thời cho tất cả các sinh viên ñược mà chỉ thỏa mãn
C1 nhận gen từ NST cha N1
C2 nhận gen từ NST mẹ N2 tối ña trong ñiều kiện cho phép.
If (M[i] = 0) Then
C1 nhận gen từ NST mẹ N2
3.8.2. Phương pháp giải quyết
C2 nhận gen từ NST cha N1 Đầu mỗi học kỳ, nhà trường lập danh sách các lớp học phần dự
End
kiến mở, phân công GV giảng dạy rồi cho sinh viên ñăng ký học.
3.6.3. Toán tử ñột biến Dựa vào số liệu ñăng ký học ta sẽ phân thành các nhóm. Mỗi
Toán tử ñột biến ñược thực hiện ñối với các NST con sinh ra nhóm là tập hợp các sinh viên ñăng ký các lớp học phần giống nhau.
bởi toán tử lai ghép, ta áp dụng toán tử ñột biến thay thế. Kết hợp các nhóm lại với nhau sao cho các lớp học phần không
Gọi pm là xác suất ñột biến bị trùng lặp và tổng số lớp học phần bằng với tổng số lớp cần xếp
For each gen in NST:
thời khóa biểu.
Begin
x = Số nguyên ngẫu nhiên trong khoảng từ 1 ñến 1000 Chọn phương án kết hợp các nhóm sao cho tổng số sinh viên
If (x < pm*1000) Then
ñăng ký học ñược thỏa mãn yêu cầu là lớn nhất.
Begin
rangen = Là một gen ngẫu nhiên trong NST Áp dụng giải thuật di truyền ñể xếp thời khóa biểu cho các
gen = rangen
End
nhóm lớp ñược chọn ở trên.
End 3.9. TÍNH ĐỘ THÍCH NGHI CỦA CÁ THỂ
3.7. PHÂN NHÓM LỚP HỌC PHẦN 3.9.1. Tính ñộ thích nghi của cá thể
3.8. XẾP TKB HỆ TÍN CHỈ THEO YÊU CẦU CỦA SV Việc ñánh giá ñộ thích nghi của cá thể ñược căn cứ vào số lần
3.8.1. Yêu cầu của sinh viên trong bài toán xếp TKB hệ tín chỉ vi phạm các ràng buộc. Để thực hiện, ñầu tiên ta tính ñộ thích nghi
 - 17 - - 18 -
của cá thể dựa trên từng ràng buộc, sau ñó cộng tất cả ñộ thích nghi 3.9.3. Tính ñộ thích nghi dựa vào ràng buộc trùng giờ GV
dựa trên từng ràng buộc ñó lại ta sẽ thu ñược ñộ thích nghi của cá thể. Vi phạm ràng buộc trùng giờ giảng viên xảy ra khi một giảng
Để tăng tính hiệu quả của giải thuật, tùy thuộc vào từng loại viên ñược phân công giảng dạy nhiều hơn một lớp tại một thời ñiểm.
ràng buộc mà ta nhân số lần vi phạm với một trọng số thích hợp. Function Độ_thích_nghi_LDB (Cathe)
Begin
Function Độ_thích_nghi_RB (Cathe)
Count = 0 {Biến ñếm số lần vi phạm ràng buộc}
Begin
For each gv:
Count = 0 {Biến ñếm số lần vi phạm}
Begin
For each gen in Cathe
For each ngày, tiết học:
Begin
Begin
If (gen vi phạm ràng buộc RB) Then Count = Count + 1
C = 0 {Khởi tạo biến ñếm số lần ñặt lịch của giảng viên}
End
For each phòng:
Return 1/(Count * Trọng số)
Begin
End
lớp = Cathe [phòng, ngày, tiết]
3.9.2. Tính ñộ thích nghi dựa vào ràng buộc về nhóm lớp If (Giảng_dạy (lớp) = gv) Then C = C + 1
End
Để thuận lợi cho sinh viên ñăng ký học người ta thường tạo ra If (C > 1) Then Count = Count + (C-1)
End
các nhóm lớp. Các lớp trong cùng nhóm không ñược trùng lịch học.
End
Function Độ_thích_nghi_RCC (Cathe) Return 1/ (Count * Trọng số)
Begin End
For each nhóm:
Begin 3.9.4. Tính ñộ thích nghi dựa vào ràng buộc giờ bận của GV
For each ngày, tiết học:
Begin
Khi xếp thời khóa biểu mỗi giảng viên có thể có những tiết
C = 0 {Khởi tạo biến ñếm số lần ñặt lịch của nhóm} không thể lên lớp vì lý do riêng hoặc bận sinh hoạt chuyên môn.
For each phòng:
Function Độ_thích_nghi_LUA (Cathe)
Begin
Begin
lop = Cathe [phòng, ngày, tiết]
Count = 0 {Biến ñếm số lần vi phạm ràng buộc}
If (lop ∈ nhóm) Then C = C + 1
For each phòng:
End
Begin
If (C > 1) Then Count = Count + (C-1)
For each ngày, tiết học:
End
Begin
End
lớp = Cathe [phòng, ngày, tiết]
Return 1/ (Count * Trọng số)
gv = Giảng_dạy (lớp)
End
If (Gv_bận_giờ (gv, ngày, tiết)) Then Count = Count + 1
End
 - 19 - - 20 -
End Begin
Return 1/ (Count * Trọng số) For each ngày, tiết học:
End Begin
If (lớp = Cathe [phòng, ngày, tiết]) Then C = C + 1
3.9.5. Tính ñộ thích nghi dựa vào ràng buộc sức chứa phòng End
End
Vi phạm sức chứa của phòng xảy ra khi một lớp ñược xếp lịch
Count = Count + Abs (Số tiết tuần quy ñịnh - C)
học tại phòng có sức chứa nhỏ hơn số lượng sinh viên của lớp ñó. End
Return 1/ (Count * Trọng số)
Function Độ_thích_nghi_RTS (Cathe)
End
Begin
Count = 0 {Biến ñếm số lần vi phạm ràng buộc} 3.9.8. Tính ñộ thích nghi dựa vào ràng buộc số lần học
For each phòng:
Begin Dựa vào số tiết học trong tuần của mỗi lớp cũng như ñặc thù
For each ngày, tiết học:
của từng học phần mà người ta quy ñịnh số lần học tối thiểu, tối ña.
Begin
lớp = Cathe [phòng, ngày, tiết] Function Độ_thích_nghi_NSW (Cathe)
If (Số_SV (lớp) > Số_chỗ_ngồi (phòng)) Then Count = Count+1 Begin
End For each phòng:
End Begin
Return 1/ (Count * Trọng số) For each ngày, buổi học:
End Begin
PreClass = -1 {Biến chứa tên lớp ñặt lịch ở tiết trước ñó }
3.9.6. Tính ñộ thích nghi dựa vào ràng buộc giờ bận của phòng For each tiết học:
Begin
Tương tự như giảng viên, mỗi phòng học cũng có những tiết Class = Cathe [phòng, ngày, tiết]
bận không thể sử dụng ñược. If (Class <> PreClass) Then
arrCount[Class] = arrCount[Class] +1
3.9.7. Tính ñộ thích nghi dựa vào ràng buộc số tiết trong tuần PreClass = Class
Để ñảm bảo tiến ñộ, ñối với các lớp học phần thì tổng số tiết End
End
trong tuần phải ñúng với quy ñịnh. End
Function Độ_thích_nghi_NHW (Cathe) For each lớp:
Begin Begin
Count = 0 {Biến ñếm số lần vi phạm ràng buộc} If ((arrCount[i] < Số lần min) or (arrCount[i] > Số lần max)) Then
For each lớp: Count=Count+Min(Abs(arrCount[i]-min), Abs(arrCount[i]-max))
Begin End
C = 0 {Biến ñếm số tiết trong tuần} Return 1/ (Count * Trọng số)
For each phòng End
 - 21 -
3.9.9. Tính ñộ thích nghi dựa vào ràng buộc số tiết học mỗi lần
Thông thường mỗi lần xếp lịch phải ñảm bảo số tiết từ 2 trở
lên, ngoại trừ một số lớp học phần ñặc thù ñòi hỏi thời gian nhiều
như thực hành, thí nghiệm thì số tiết học mỗi lần có thể nhiều hơn.
3.9.10. Tính ñộ thích nghi dựa vào ràng buộc loại phòng
Tùy theo tính chất của học phần mà mỗi lớp sẽ yêu cầu một
loại phòng khác nhau như lý thuyết, thực hành, thí nghiệm,…
3.9.11. Tính ñộ thích nghi dựa vào số buổi lên lớp của GV
Hầu hết các giảng viên ñều mong muốn giảm thiểu số buổi lên
lớp của họ trên cơ sở vẫn ñảm bảo số lượng tiết giảng dạy. Đây là
một yêu cầu rất chính ñáng, vì vậy cần phải ñưa tiêu chí này vào ñể
ñánh giá ñộ thích nghi của cá thể.
3.9.12. Tính ñộ thích nghi dựa vào khoảng cách di chuyển của
giảng viên
Trong một buổi giảng viên phải di chuyển ñến nhiều phòng ñể
giảng dạy các lớp khác nhau. Đối với các trường có khuôn viên rộng
lớn, các phòng học có thể nằm cách xa nhau thì khoảng thời gian
nghỉ giữa các tiết học không ñủ ñể giảng viên di chuyển và ít nhiều
ảnh hưởng ñến sức khỏe. Vì vậy cần thiết phải giảm thiểu khoảng
cách di chuyển của giảng viên trong quá trình giảng dạy.
3.9.13. Trọng số của các loại vi phạm ràng buộc
Trong các loại ràng buộc, mỗi loại ràng buộc có một tính chất
riêng. Có loại vi phạm ràng buộc thường xuyên xảy ra và có loại ít
xảy ra hơn. Có loại dễ ñạt ñược và có loại khó ñạt ñược hơn. Vì vậy,
nếu xem xét các ràng buộc này một cách bình ñẳng thì chắc chắn hệ
thống sẽ không xác ñịnh ñược vi phạm nào cần xử lý trước và vi
- 22 -
phạm nào cần xử lý sau, ñiều này dẫn ñến việc có thể không tìm ra
ñược phương án xếp thời khóa biểu thỏa mãn yêu cầu.
Nguyên tắc 1: Ràng buộc nào cần ñạt ñược trước thì ñặt trọng
số thấp, ràng buộc nào cần ñạt ñược sau thì ñặt trọng số cao.
Nguyên tắc 2: Ràng buộc nào khó ñạt ñược hơn thì ñặt trọng
số thấp, dễ ñạt ñược hơn thì ñặt trọng số cao.
Nguyên tắc 3: Ràng buộc mềm nên ñặt trọng số cao hơn so
với ràng buộc cứng. Vì các ràng buộc mềm là những ràng buộc thêm,
nếu ñạt ñược thì càng tốt còn không thì cũng có thể chấp nhận ñược.
3.10. THAM SỐ CỦA GIẢI THUẬT DI TRUYỀN
Trong luận văn này tôi lựa chọn các tham số của giải thuật di
truyền như sau: pc = 0.5, pm = 0.015, popsize = số lượng lớp × 50. Sau
mỗi thế hệ popsize tăng lên khoảng 0.02%.
CHƯƠNG 4: TRIỂN KHAI HỆ THỐNG XẾP THỜI KHÓA
BIỂU HỆ TÍN CHỈ
Dựa trên kết quả nghiên cứu của các chương trước tôi ñã cài
ñặt thành công hệ thống uniScheGA dùng ñể xếp thời khóa biểu hệ
tín chỉ cho trường ñại học.
4.1. CÁC CHỨC NĂNG CỦA HỆ THỐNG
4.1.1. Nhập các danh mục dữ liệu hệ thống
4.1.2. Nhập danh sách lớp học phần
4.1.3. Nhập ràng buộc thời gian bận
4.1.4. Xếp thời khóa biểu
 - 23 - - 24 -
4.2.1.5. Kết quả thử nghiệm

Qua quá trình thử nghiệm ta thấy các ràng buộc NHW, NHS,
NSW khó ñạt ñược hơn so với các ràng buộc còn lại. Thời gian thực
hiện chương trình khoảng từ 2 ñến 4 phút.

1 Tổng vi phạm
1 2 Vi phạm NHW
3 Vi phạm NHS
4 Vi phạm NSW
2 5 Vi phạm LUA

...

4
5
Hình 4.4. Giao diện xếp thời khóa biểu
4.1.5. Tra cứu thời khóa biểu Hình 4.7. Biểu ñồ minh họa kết quả thử nghiệm lần 1
Hệ thống cho phép xem thời khóa biểu của từng lớp học phần, 4.2.2. Kịch bản thử nghiệm 2
nhóm lớp, giảng viên, sinh viên và lịch sử dụng từng phòng. Phần này trình bày quá trình thử nghiệm hệ thống uniScheGA
4.2. KẾT QUẢ THỬ NGHIỆM HỆ THỐNG XẾP TKB với bộ dữ liệu thực tế tại Trường Đại học Bách khoa - ĐHĐN.
4.2.1. Kịch bản thử nghiệm 1 4.2.2.1. Mô tả dữ liệu
4.2.1.1. Dữ liệu ñầu vào 4.2.2.2. Kết quả thử nghiệm
Dữ liệu thử nghiệm gồm có 8 lớp học phần, tổng số tiết cần 4.2.3. Nhận xét
xếp là 48, số giảng viên là 3 và số phòng học là 4 (trong ñó có 1 Quá trình thử nghiệm hệ thống thực tế cho thấy nếu số lớp cần
phòng thực hành). xếp tăng lên thì thời gian thực hiện sẽ tăng nhanh theo hàm mũ.
4.2.1.2. Các ràng buộc Trong quá trình thử nghiệm tác giả nhận thấy nếu chia nhỏ dữ liệu ñể
4.2.1.3. Các tham số xếp thời khóa biểu nhiều lần thì tổng thời gian của các lần sẽ nhỏ hơn
4.2.1.4. Cấu hình thử nghiệm rất nhiều so với thời gian ñể xếp khi không chia nhỏ.
 - 25 -
KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
1. KẾT QUẢ ĐẠT ĐƯỢC
Qua quá trình thực hiện luận văn, tôi ñã có kiến thức ñầy ñủ về
giải thuật di truyền, biết cách vận dụng giải thuật di truyền vào việc
giải quyết một số bài toán tối ưu, ñặc biệt là các bài toán tối ưu có
không gian tìm kiếm lớn.
Vận dụng ñược giải thuật di truyền ñể xây dựng hệ thống phần
mềm uniScheGA xếp thời khóa biểu hệ tín chỉ cho trường ñại học:
- Hệ thống ñáp ứng tốt tất cả các ràng buộc ñược nêu ra trong
luận văn bao gồm các ràng buộc cứng và mềm.
- Hệ thống chạy ổn ñịnh, có giao diện ñẹp, có biểu ñồ minh
họa trực quan trong quá trình xếp thời khóa biểu.
- Cho phép xếp thời khóa biểu từ một tuần bất kỳ trong học kỳ
trên cơ sở có tính ñến các ñiều kiện ràng buộc về giảng viên, về
phòng học ở tuần hiện tại.
- Kết quả xếp thời khóa biểu ñược trình bày ña dạng bao gồm
thời khóa biểu của từng lớp, từng giảng viên, từng sinh viên, từng
nhóm và lịch sử dụng từng phòng học.
- Dữ liệu thời khóa biểu có thể dễ dàng xuất sang Acrobat
Reader, Microsoft Excel và có thể tra cứu từ website.
Tuy nhiên, hệ thống cũng còn có một số tồn tại sau:
- Yêu cầu của bài toán xếp thời khóa biểu trong thực tế khá ña
dạng trong khi hệ thống hiện tại chỉ ñáp ứng ñược các yêu cầu cơ bản
ñược nêu ra.
- 26 -
- Thực thi hệ thống trên các bộ dữ liệu lớn (khoảng 100 lớp
học phần, khoảng từ 300 ñến 500 tiết / tuần) thường khá chậm. Khi
ñó phải chia nhỏ dữ liệu ñể thực hiện nhiều lần.
2. PHẠM VI ỨNG DỤNG
Hệ thống có thể ứng dụng tốt ñối với các trường ñại học, cao
ñẳng ñào tạo theo tín chỉ.
Đối với các trường xếp thời khóa biểu theo quy trình ngược lại
tức là cho sinh viên ñăng ký học rồi mới xếp thời khóa biểu thì trong
nhiều trường hợp hệ thống chưa cho ra ñược kết quả mong muốn.
Hệ thống có thể ứng dụng ñể xếp thời khóa biểu cho những
trường có quy mô ñào tạo lớn, khi ñó ñể thực hiện hiệu quả ta nên
chia nhỏ dữ liệu rồi tiến hành xếp thời khóa biểu nhiều lần.
3. HƯỚNG PHÁT TRIỂN
Để hệ thống ngày càng hoàn thiện hơn và chạy nhanh hơn cần
phải tiếp tục nghiên cứu và phát triển hệ thống theo các hướng sau:
- Tích hợp thêm các ràng buộc xếp thời khóa biểu ngoài các
ràng buộc cơ bản ñược ñề cập trong luận văn. Khi thực hiện người sử
dụng có thể tùy ý lựa chọn các ràng buộc mà mình cần ñáp ứng.
- Song song hóa giải thuật GA ñể xử lý ñồng thời trên nhiều
máy tính nhằm tăng tốc ñộ thực hiện chương trình.
- Tiếp tục hoàn thiện hàm ñánh giá ñộ thích nghi ñể tùy theo
ngữ cảnh có thể tự ñiều chỉnh các trọng số sao cho phù hợp nhất.
- Nghiên cứu kết hợp giải thuật di truyền với các kỹ thuật khác
như mạng Nơron, lôgic mờ,… ñể nâng cao hiệu quả cho hệ thống.